基于掩蔽效应的维纳滤波器语音增强及DSP实现

合集下载

基于听觉掩蔽效应的MMSE语音增强算法

ＣｍｐｔｒＥｇｅｒｎｎｐｌａｏｓ２０，３２）１０１１ｏｕｅｎｉｅｉｇａｄＡｐｉｔｎ，０７４（７：４－４．ｎｃｉ
ＡｂｔａｔＴｉａｅｏａｅｏｔｅｅｏｓｐｏｌｍｓｆｔｅｅｉｕｌｏｓａｄｈｓｅｃａｅｒｔｎｒｕｈｂｔｅｓｒｃ：ｈｓｐｐｒｆｃｓｓｎｈｓｒｕｒｂｅｏｈｒｓｄａｎｉｉｅｎｔｅｐｅｈｂｒａｉｂｏｇｔｙｈＭＭＳｏＥｍｅｈｄｆｒｓｅｃｎａｃｍｅｔｗｅＳＲｓｌｗ．ｈｐｏｏｅｌｏｔｍｎｏｐｒｔｓｔｅｔｏｏｐｅｈｅｈｎｅｎｈｎＮｉｏＴｅｒｐｓｄａｇｒｈｉｃｒｏａｅｈｍａｋｎｐｏｅｔｓｏｈａｏｄ — ｉｓｉｇｒｐｒｉｆｔｅｅｒｔａ — ｅｓ
增强算法的目的就是得到信号幅值的估计值彳，并满足估计误差的均方值
ＩＥ（７｛＝
ｌ
目前，语音增强的算法有很多，常用的基于短时幅度谱估计的算法有谱减法、维纳滤波法和最小均方误差估汁（ＭＭＳＥ）
ａｄｔｅｄｃｅｓｎｆｔｅｓｅｃｂｒａｉｎｎｈｅｒａｉｇｏｈｐｅｈａｅｔ．ｏＫｅｒｓｐｅｈｅｈｎｅｎ；ｎｍｕａｑａｅＥｒｏ（ｙｗｏｄ：ｓｅｃｎａｃｍｅｔＭｉｉｍＭｅｎＳｕｒｒｒＭＭＳ；ｓｉｇｐｏｅｉｓｒｓｄａｏｓｅｖｌＥ）ｍａｋｎｒｐｒｅ；ｅｉｕｌｎｉｅｒｍｏａｔ

一种基于听觉掩蔽的语音增强方法

音幅度谱估计和基于发声模型两种算法。基于语音幅度谱估计的主要有谱减法，维纳滤波法，最小均方误差（ＭＭＳ）Ｅ估计法【；ｌ基于发声模型主要有：隐马尔柯夫模型（ＭＭ）Ｈ等。其中前者一直是研究的热点。谱减法［３目前最常用的语音增强技术，２］，是其原理简单，易于实现，且计算量小，是会引入令人讨厌的“ 但音
Ｎ（）｝］为零。于是有下式：Ｅ（））１ｙ（ｌ＝Ｅ（））１Ｓ（Ｉ＋Ｅ（））１Ｎ（ｌ由于语音是短时平稳的，因此在一帧之内有：ｌ）ｙ（ｌＩ）＝Ｓ（ｌｌ）＋Ｎ（ｌ
号，ｔ表示含噪语音信号。则有下式：（）
Ｙｔ＝ｔ＋（）（）（）ｔ
经傅立叶变换后得到：ｙ（＝Ｓ（＋Ｎ（）））
式中，）Ｓ（和Ｎ（）Ｙ（、 ∞）分别表示Ｙｔ，ｔ和（）（）（）ｔ的傅立叶变换。
维普资讯
２６０
成
都
信
息工
程
学院
学
报
第２２卷
而得到时间域的降噪语音信号。基本谱减降噪的原理如图１所示。
３改进的谱减算法
１ｗｌ．） Ⅳ （
谱减算法在实际环境中，可以有效地滤除掉背景噪声，会引入音乐噪声。这但些音乐噪声的存在严重影响了人的听觉感
乐噪声 ” 【。为此，出了一种基于听觉掩蔽效应进行加权来改进谱减法。实验结果表明，方法有效增强了语提该音并消除了背景噪音和音乐噪声。

二维维纳滤波语音增强方法研究与实现

2009，45（19）1引言语音是当今社会重要的信息交互手段。

随着社会的不断发展，人们对语音质量的要求不断提高。

语音增强成为了非常重要的一门关键技术。

语音增强是从带噪声的语音中去除噪声，使语音部分更加清晰易懂。

当前的语音增强算法，大致可分为四类[1]：谱减类、子空间类、统计模型类和维纳滤波类。

谱减法是较早提出的语音增强方法，它是在某帧语音变换到频域之后，减去噪声估计得到的。

由于实际环境的复杂性，对噪声很难达到准确估计，就会出现噪声抑制不足或者过相减的情况，引起大量残存乐性噪声。

子空间类方法虽然消除了一定的乐性噪声，但是同时又引入了咝咝的声音，降低了语音可理解度。

该类方法的另外一个缺点是计算量大，不易实现[2]。

基于统计模型类的语音增强方法则需要进行大量的训练，对特征选取和模型构建依赖性很强。

维纳滤波类方法在语音质量和可理解度上找到了平衡，使语音在保持可理解度的基础上尽量抑制噪声，提升语音质量[3]。

以上语音增强算法都是在假设各帧信号相互独立的条件下获得的，但是由于叠接帧的使用以及语音信号自身的短时平稳和高度相关性等特性，导致相互独立这个假设不成立。

因此会导致噪声估计不准确，出现乐性噪声等等问题。

本文所有的二维维纳滤波正是充分考虑了连续时刻语音分量之间的关联信息，在一维维纳滤波的基础上，实现在二维空间的滤波和平滑，从而显著提高算法性能和增强效果的。

22D维纳滤波维纳滤波对加性噪声信号（即y[t]=x[t]+n[t]）能够实现抑制，并且不引起大的语音失真和背景残留噪声，而且不需要进行语音端点检测，只需要从时间序列x[t]和n[t]得到[4]。

其抑制滤波器为：H s（ω）=S x（ω）S xω+S bω（1）其中，Sx（ω）为信号功率谱，Sb（ω）是噪声功率谱，Hs（ω）就是维纳滤波器。

公式（1）是在目标信号和背景噪声（x[t]和n[t]）不相关并且短时平稳的假设前提下的计算公式，因此要短时分帧，对每一帧信号的FFT采用不同的维纳滤波系进行滤波：H s（L，ω）=S x（L，ω）S x（L，ω）+S b（ω）（2）其中，L为帧号，Sx（L，ω）、Sb（L，ω）和Hs（L，ω）为第L帧的信号功率谱，噪声功率谱和维纳滤波器。

数字信号处理中的语音增强算法与处理方法

数字信号处理中的语音增强算法与处理方法数字信号处理在现代通信领域扮演着重要角色，语音增强作为其中的一个关键应用领域，致力于提高语音信号的质量和清晰度。

本文将介绍一些常用的语音增强算法与处理方法，以帮助读者更好地理解数字信号处理中的语音增强技术。

1. 时域法时域法是一种常见的语音增强算法，它主要通过对语音信号的时间域进行处理来提高语音信号的质量。

其中最常用的方法是维纳滤波器。

维纳滤波器是一种自适应滤波器，它通过最小化噪声和语音信号之间的均方误差来估计噪声的功率谱密度，并对语音信号进行滤波，以减少噪声干扰。

另一个常用的时域方法是扩展最小拍线（EMD），它利用自适应滤波器和经验模态分解方法，对语音信号进行去噪处理。

EMD方法通过将信号分解为一组固有模态函数（IMF）和一个剩余项来进行去噪，从而提高语音信号的质量。

2. 频域法频域法是另一种常用的语音增强算法，它主要通过对语音信号的频域进行处理来提高语音信号的质量。

其中最常用的方法是谱减法。

谱减法通过估计噪声的功率谱密度，将它从观测到的语音信号的频谱中减去，从而减少噪声干扰。

此外，为了尽量保留语音信号的谐波特征，谱减法还会对估计的语音信号功率谱做一些修正。

另一个常用的频域方法是基于频谱特性的语音增强算法，例如基于谐波比的方法和基于特征选择技术的方法。

这些方法通过分析语音信号的频谱特性，如谐波比和谐波间隔等，来提取语音信号的有用信息并减小噪声干扰。

3. 混合域法混合域方法是一种将时域和频域方法相结合的语音增强算法，它综合了两种方法的优点，以达到更好的增强效果。

其中一个常用的混合域方法是频率子带加权方法。

这种方法将音频信号分为多个子带，对每个子带分别进行时域和频域处理，然后将结果进行加权合并，从而提高整体语音信号的质量。

另一个常用的混合域方法是基于主成分分析（PCA）的方法。

PCA方法通过对语音信号进行降维处理和离散余弦变换，从而减少噪声干扰和提取有用的语音信息。

语音增强中的维纳滤波及其扩展研究

SNR = 10 时
加噪信号图像 1
y 轴单位： f/HZ
0.5 0 -0.5 -1
0
0.5
1
1.5 2 2.5 x 轴单位： t/s
3
3.5 x 10
4
经过维纳滤波器后信号信号图像 1
y 轴单位： A/V
0.5 0 -0.5 -1
0
0.5
1
1.5 2 2.5 x 轴单位： f/HZ
y(n) h(m) x(n m) 目标是 x(n) 通过线性系统 h(n) 后得到的 y(n) 尽量接近于
m
s(n) ，因此称 y (n) 为 s(n) 的估计值，用 s (n) 表示，即 y(n) s(n) 。
^
^
由此建立模型如下图：
在本实验中，统一采用 8000Hz 采样频率的、单声道的 WAV 格式的男声语音文件作为试验样本。
i
Rxs (m) 是 s(n) 与 x(n) 的互相关函数， Rxx (m) 是 x(n) 的自相关函数，分别定义为 Rxs E[ x(n)s(n m)] Rxx E[ x(n) x(n m)]
式（5）称为维纳滤波器的标准方程或维纳-霍夫（Wiener-Hopf）方程。如果已知
Rxs (m) 和 Rxx (m) ，那么解此方程即可求的维纳滤波器的冲激响应。由于侧重工
^
值 y(n) s(n N )( N 0) 称为外推或预测；从过去的观察值，估计过去的信号值
^
y(n) s(n N )( N 1) 称为平滑或内插。因此维纳滤波器又常常被称为最佳线性
过滤与预测或线性最优估计。这里所谓的最佳与最优是以最小均方误差为准则的。如果我们分别以 s(n) 与 s (n) 表示信号的真实值与估计值，而用 e(n) 表示他们之间的误差，即 e(n) s(n) s(n) 显然 e(n) 可能是正值，也可能是负值，并且它是一个随机变量。因此，用它的均方误差来表达误差是合理的，所谓均方误差最小即它的平方的统计期望最小： (n) E[e (n)] min

联合听觉掩蔽效应的予空间语音增强算法

第３７卷第８期
Ｖ０－７ｌ３
・
计
算
机
工
程
２１０１年４月
Ａｐｉ０１ｒｌ２１
ＮＯ８．
ＣｏｐｕｅｇｎｅｉｍｔｒＥｎｉｅｒｎｇ
开发研究与设计技术・
文章编号：ｌ３２（１０＿０５＿３０＿４８０１８－２＿０２）０
ｅｆｃ，ｆｅｔｍｏｉｅｏｃｒｅｔｅｃｅｎｓｅｃｉｅｖｌｅｙｗｉｎｒｆｌｒｆｒｉｓｒｓｒｉｔｔｏｓｓｅｉｌｙｍｕｉｏｓ，ｔｉｓｔｅｃｅｎｓｅｃｄｆｓｃｎｕｎｌｔｌａｐｅｈｅｇｎａｕｓｂｅｅｉｅｏｔｅｔａｎｏｎｉｅｅｐｃａｌｉｙｈｔｓｃｎｉｅａｔｎｈｌａｐｅｈ．ａＥｘｅｉｎａｅｕｔｈｗｈｔｔｅｐｏｏｅｌｏｉｍａｃｉｖｈｉｈｒＳＮＲｎｔｅｔａｉｉｎｌａｇｒｔｍｎｔｅｓｍｅＧａｓｉｎｗｈｔｏｓｐｒｍｅｔｌｓｌｓｏｔａｈｒｐｓｄａｇｒｔｒｓｈｃｎａｈｅｅｔｅｈｇｅｔｈａｈｒｄｔｏａｌｏｉｈｉｈａｕｓａｉｅｎｉｅｎｒｉｏｏｅｏｓ，ｎｅｕｅｓｅｈｄｓｏｔｏｎｅｉｕｌｎｉｅａｄｔａｎｃｌｒｄｎｉｅａｄｒｄｃｐｅｃｉｔｒｉｎａｄｒｓｄａｏｓ
ＩｓａｔｎｔｅｔｄｔｎｌｕｓａｅｓｅｃｎａｃｍｅｔｌｏｉｍｈｉｓｆｈｓｍａｅｐｅｈｅｇｎａｕｓｅｄｅｃｉｔｒｏｎＡｂｔｅ］Ｉａｉｏａｓｂｐｃｐｅｈｅｈｎｅｎｇｒｈｔｅｂａｅｅｔｔｄｓｅｃｉｅｖｌｅａｓｔｓｅｈｄｓｔｎａｄｒｈｒｉａｔｏｔｉｌｏｐｏｉ

基于听觉掩蔽效应的小波包语音增强方法研究的开题报告

基于听觉掩蔽效应的小波包语音增强方法研究的开题报告一、选题背景目前，语音增强技术已经在许多应用领域得到了广泛的应用，如语音通信、语音识别、语音合成等等。

但在实际应用中，由于言语信号常常受到噪声、回声等干扰，导致语音质量降低，甚至造成语音通话或者语音识别等操作无法正常进行。

因此，如何提高语音的信噪比，减少噪声的干扰，成为当前研究的热点领域。

二、研究意义基于听觉掩蔽效应的小波包语音增强方法，是一种较新的语音增强技术。

它利用听觉掩蔽效应原理，通过小波包分析对声音信号进行重构，从而达到去除噪声的目的。

这种方法可以提高语音信号的清晰度和鲁棒性，对语音识别、语音合成等应用领域有较好的应用价值。

三、研究目标本研究旨在探讨基于听觉掩蔽效应的小波包语音增强方法的理论基础、增强算法及其性能分析，通过实验验证该方法在语音降噪上的效果与优点，并探究其在实际应用场景中的应用性能、可行性和局限性，为语音增强技术的研究提供新的思路和方向。

四、研究内容本研究将围绕以下几个方面进行深入研究：1. 听觉掩蔽效应原理分析；2. 普通小波变换与小波包分析的比较分析；3. 基于小波包分析的声音增强算法设计与实现；4. 算法性能评估与分析；5. 实际应用场景中的性能验证和优化。

五、研究方法本研究将主要采用实验研究和理论分析相结合的方法进行。

具体来说，将通过对真实的语音信号进行录制，并混入不同强度的噪声信号，使用该方法进行降噪，通过比较原始语音和降噪语音的信噪比和质量等指标，验证该方法的有效性和优势。

同时，还将对算法进行理论分析和基本原理的研究，为算法的改进和进一步优化提供理论依据和思路。

六、研究计划本研究预计在 2021 年 3 月份开始， 2023 年 6月份结束，具体计划如下：1. 2021 年 3 月 - 2021 年 6 月：对小波包语音增强方法框架进行认知，并对相关文献进行搜集和阅读，制定研究计划和方案；2. 2021 年 7 月 - 2022 年 3 月：进行实验研究，录制语音数据集并混入不同强度的噪声，使用该方法进行降噪，并进行算法优化和改进；3. 2022 年 4 月 - 2023 年 3 月：进行性能评估和分析，比较该方法与其他语音增强方法的差异，同时对算法的应用性能和实际应用场景进行研究；4. 2023 年 4 月 - 2023 年 6 月：完成论文撰写、总结和毕业答辩。

基于维纳滤波语音增强算法的改进实现

１引言
在许多场合下采集的语音都会不可避免地混入噪声，这常常使接收语音的可懂度和清晰度受到严重损伤。在语音识别系统中噪声将使识别率迅速下降，因为此时从语音信号提取出来的参数被噪声干扰而发生了变化。即使信噪比ＳＲ高达２Ｂ，ＮＯｄ一些语音
的共振峰却已经消失于噪声中，因此研究如何将 “ 干
加特性，即
Ｓ（）Ｓ（）Ｓ（）＝＋（２）
基于短时傅里叶变换（ｈａＴｍｏｒｒＴａｓＳｏｉｅＦｕｅｒｎ— ｉ
ｆｍ，ＴＴ分析，ｏＳＦｒ短时信号段可表示为
２维纳滤波的原理…
假设 ’ｎ表示离散时间的含噪序列，，）（则
＇ｎ＝ｎ＋（），）（）６ｎ（（）１
（．ｅａｍｎｆＯｔａａｄＥｅｔｎｃＥｇｎｅｎ，ＳｉａｈａｇＯｄａｃｎｉｅｒｇＣｌｇ，Ｓｉａｈａｇ０００，Ｃｉａ１ＤｐｒｅｔｐｉｌｎｌｒｉｎｉｅｒｇｈｉｕｎｒｎｎｅＥｇｎｅｎｏｅｅｈｉｕｎ５０３ｈｎ；ｔｏｃｃｏｉｊｚｉｌｊｚ
由于之前得到的维纳滤波系数有许多缺陷因对噪声两级维纳滤波后语音增强前后的变化0806040200020406323028262422201816141208060402tmsb滤波后10000806040200020406323028262422201816141208060402tmsa滤波前1000两级滤波器组维纳滤波原理框图滤波器组幅度2滤波器系数平mel域维纳滤波器设计mel域滤波器组幅度频谱估计噪声段检测应用维纳滤波器增益调整滤波器组幅度平滑mel域维纳滤波器设计应用维纳滤波滤波器系数平滑滤波器组幅度平滑滤波器组幅度1voicetechnology语音技术2007年第31卷第电声技术上接第46页谱估计的误差产生了噪声mel域幅度谱估计的误差导致系数有严重偏差因此采用反变换到时域并截断时域冲激响应的方法对滤波器系数进行平滑

基于听觉掩蔽效应的语音增强算法研究

ｌ（耳（（）＾＾ｌ取））ａ），取取））
工程技术・
基于听觉掩蔽效应的语音增强算法研究
商敏红
（江苏信息职业技术学院，江苏无锡２４６１０１）
摘
要：为提高增强语音的听觉效果，究了一种结合维纳模型和人耳听觉掩蔽效应的语音增强研
图１算法模型
收稿日期：０６－４２２０－ — ５０
作者简介：商敏红（９７）女，１６一，东南大学无线电系研究生，江苏信息职业技术学院副教授，主要从事信号与信息处理研究。
维普资讯
鋈
基于听觉掩蔽效应的语音增强算法研究
听觉系统的一部分能量较小的噪声信号，使得这部而式中，离散频率，，ｍ，ｋ）（和Ｄ（是】（、ｍ，ｍ，分噪声不为人所感知到。因此从掩蔽效应的角度看，ｋ）别是含噪语音ｙｎ、净语音ｎ）语分（）纯（和噪声ｄｎ的傅（）音增强应该通过改变带噪语音的ＳＳＴＡ使得所有噪声立叶变换。设增强的语音信号幅度的谱估计值为，我成分都能被语音信号掩盖掉。本文提出了一种结合维的参数化估计公式，如纳模型和人耳听觉掩蔽效应的语音增强方法。通过实们采用类似于维纳滤波器的丸验该方法能有效地抑制背景噪声。
２６点的语音帧，邻两帧之间重叠１８点，后对带５相２然

基于听觉掩蔽效应的语音增强方法

基于听觉掩蔽效应的语音增强方法听觉掩蔽效应是指在某一频率的声音信号对于同一频率附近的较弱声音信号产生掩蔽作用，导致较弱声音信号难以被人耳感知到。

基于听觉掩蔽效应的语音增强方法就是利用这一特性，对语音信号进行处理，以提升其可听性和理解性。

本文将介绍基于听觉掩蔽效应的语音增强方法的原理、应用领域和技术挑战等方面。

首先，基于听觉掩蔽效应的语音增强方法的原理是利用人耳的频率掩蔽特性，对语音信号进行频域处理。

人耳对于相邻频率的声音信号之间存在掩蔽效应，当一个声音信号的能量较大时，会掩盖附近较弱的声音信号。

基于这一原理，可以通过对语音信号的频域表示进行修改，减少掩盖效应，从而提升语音的可听性。

基于听觉掩蔽效应的方法在语音增强领域有广泛的应用。

一方面，它可以应用于传统的语音增强算法中，提供更好的噪声消除效果。

传统的语音增强算法通常是通过滤波、谱减法等方法，对噪声信号和语音信号进行分离，然后通过增强语音信号的幅度，来提升语音的可听性。

然而，这种方法往往会引入新的失真，降低语音的清晰度和自然度。

基于听觉掩蔽效应的方法可以通过对声音信号的特征进行分析，压缩声音信号的能量，保留更多有用的语音信息，减少对噪音的干扰，从而达到更好的增强效果。

另一方面，基于听觉掩蔽效应的方法也可以应用于语音合成领域，提供更加自然的语音合成效果。

传统的语音合成方法通常是通过合成语音信号的频域表示，然后转换为时域信号，从而生成最终的语音。

但是由于合成过程中存在一些缺失和噪声的引入，合成的语音往往不够自然，声音质量较差。

基于听觉掩蔽效应的方法可以在频域表示中对声音信号的特征进行调整，减少听觉上的失真感，提升合成语音的音质和自然度。

然而，基于听觉掩蔽效应的语音增强方法也面临一些技术挑战。

首先，需要对语音信号的频域表示进行精确的分析和处理，以便准确识别和调整声音信号的特征。

其次，不同人的听觉特性可能存在差异，对同一频率下声音信号的掩盖效应可能存在差异，因此需要针对不同人的听觉特性进行个性化的处理。

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

ｍｅｈｄｏｈｃｏｉｅｆＷｉｎｒｆｔｒａｄｍａｋｎｆｃＳｐｏｏｅｔｏｆｗｉｈｃｍｂｎｄｏｅｅｉｅｎｓｉｇｅｆｔｊｒｐｓｄ．Ａｔｌｓ．ｔｅｉｌｍｅｔｔｎｍｅｈｄａｅｎＤＳＳｎｌｅａｔｈｍｐｅｎａｉｔｏｂｓｄｏＰｉｏｉ
ｂｓｄｏｓｉｇｅｆｃａｅｎｍａｋｎｆｔｅ
ＹＩＮＸｉｎＬｅ ’ ａｇｉ，ＺＨＥＮＧＲａｇ，ＭＡＬｉｇＥｎｎｎＫｕ，ＭＡＸｉｏｎ。ａＨｏｇｎ２
ｆ．ＣｌｇｆＥｌｃｒｃｎｏ１ｏｌｅｏｅｔａｄＣｍｍｕｉａｉｎＥｎｉｅｒｇ，ｈａｘｉｅｓｔｆＳｉｎｅａｄＴｃｎｌｇＸｉａ１０１ｅｉｎｃｔｇｎｅｉｏｎＳａｎｉＵｎｖｒｉｏｃｅｃｎｅｈｏｏｙ， ’ ｎ７０２，Ｃｈｎｙｉａ；
摘要：针对单通道音增强，用的谱减法及其改进型算法等语音增强方法不能很好地消除残留常
音乐噪声以及不能兼顾噪声抑制和语音失真的问题，出用雏纳滤波法与掩蔽效应相结合的算法。提介绍了ＤＰ的实现方法。结果表明，算法相对于传统谱减法和改进谱减法语音增强效果显著、真Ｓ该失小、乐噪声几乎没有，且本算法计算量小，容易在基于ＤＳ音并很Ｐ的语音增强算法中实现。
Ｉｒｄｅｎｔｏｕｃｄ．Ｔｈｓｎｌｔｏｒｓｔｐｒｖｔａ．ｔｅｅｉｍａｉｎｅｕｌｓｏｅｈｔｈｎｅｗｍｅｈｈａｔｅｔｏｄｓｈｂｅｔｒｆｅｔｏｓｅｅｈｎｈｎｅｍｅｔａｔｅｔｅｅｆｃｓｆｐｃｅａｃｎ，ｎｄｈｄｉｔｒｉｎＳｓｏｔｏｉｌｗｅ．ｔｅｏｒｈｍｕｓｃｏｓｓｓｐｐａａｍｏｔＩｃｎａｉｙｒｎｓｌｎｔｔｅｉｎｉｅｄｉａｅｒｌｓ．ｔａｅｓｌｔａｐａｔｏｈＤＳＰｂｃｕｓｏｈｓａｌｍｏｎｏｌｕａｉｅａｅｆｔｅｍｌａｕｔｆｃａｃｌｔｏｎ．
Ｉ பைடு நூலகம்
ＣｏｍｐｕｅｒＴｅｈｏｌｇｄｔｔｃｎｏｙａｎＩＡｐｐｉａｔｓｓｌｉｃｏｎ
基于掩蔽效应的维纳滤波器语音增强及ＤＰ实现Ｓ
尹向雷，恩让，令坤，晓虹郑马马（．陕西科技大学电气与信息工程学院，陕西西安７０２；１１０１２．陕西理工学院电工电子实验中心，陕西汉中７３０）２０３
ｄｉｔｒｉｎａｎｔｓｏｔｏｃｎｏｂｅｇｉｅａｔｎｉｎｖｎｔｅｔｏｗｈｅｓｐｒｓｉｇｏｓｉｔｅｒｄｉｉｎｌｓｅｔａｓｔａｔｏｍｅｈｄ．Ａｓｅｃｅａｃｍｅｔｎｕｐｅｓｎｎｉｅｎｈｔａｔｏａｐｃｒｌｕｂｒｃｉｎｔｏｐｅｈｎｈｎｅｎ
Ａｂｔａｔｏｈｓｇｅｃａｎｌｓｅｃｎａｃｍｅｔｈｒｓｄａｓｃｏｓｃｎｏｅｒｄｃｄｃｍｐｅｅｙｎｔｅｓｅｃｓｒｃ：Ｆｒｔｅｉｌｈｎｅｐｅｈｅｈｎｅｎ，ｔｅｅｉｕｌｍｕｉｎｎｉｅａｎｔｂｅｕｅｏｌｔｌ，ａｄｈｐｅｈ
Ｋｅｒｓ：ｓｅｃｅｈｎｅｎ；Ｗｉｎｒｆｔｒｙｗｏｄｐｅｈｎａｃｍｅｔｅｅｌ；ｍａｋｎｆｃ；ＤＳｉｅｓｉｇｅｆｔｅＰ
相对于麦克风阵列等多通道语音增强方法，通道单方法由于其结构简单、法容易实现、格适中等优点，算价得到了广泛的应用。此外，某些场合必须使用单通道在方法，如移动电话、字助听器等。使得研究单通道例数这
２Ｅｅｔｃｌ＆ＥｅｔｎｃＥｐｒｎＴａｈｎｅｔｒｈａｘＵｉｅｉｆＴｃｎｌｇ，ｎｈｎ２０３Ｃｉａ．ｌｒａｃｉｌｒｉｘｅｉｔｅｃｉｇＣｎｅ，ＳａｎｉｎｖｒｔｏｅｈｏｏＨａｚｏｇ７３０，ｈｎ）ｃｏｍｅｓｙｙ
关键词：语音增强；维纳滤波；掩蔽效应；ＤＰＳ
中图分类号：Ｔ９２Ｎ１文献标识码：Ａ
ＳｅｃｎａｃｍｅｔａｄＤＳｍｐｅｎａｉｎｏｉｎｒｆｌｒｐｅｈｅｈｎｅｎｎＰｉｌｍｅｔｔｆＷｅｅｔｏｉｅ